Farklı teknik ve fiziksel özelliklerdeki ortamların bakım katsayılarının belirlenmesi ve aydınlık düzeylerinin yapay sinir ağları ile tahmin edilmesi
Determination of maintenance coefficient and estimation of illumination levels of places where have different physical and technical properties by using artificial neural networks
- Tez No: 377203
- Danışmanlar: YRD. DOÇ. DR. FUAT BÜYÜKTÜMTÜRK, DOÇ. DR. YÜKSEL OĞUZ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 283
Özet
Bir aydınlatma sisteminde iç mekân duvar rengi, oda boyutları, çalışma masası yüksekliği ve aydınlatma türü gibi özellikler çalışma düzlemi üzerindeki aydınlık düzeyini doğrudan etkiler. Ayrıca zamanla aydınlatma elemanlarının veriminin düşmesi, yıpranma, kirlenme ve tozlanma gibi etkilerde çalışma düzlemi üzerindeki aydınlık düzeyini olumsuz yönde etkiler. Zamana bağlı olarak aydınlatma sistemlerinde ortaya çıkan bu olumsuzluklar hem enerji tüketimi hem de ergonomik çalışma koşulları açısından pek çok olumsuzluklara sebep olur. Bu yüzden çalışma düzleminde yeterli ve kararlı bir aydınlık düzeyinin sağlanması ön koşuldur. Bir aydınlatma sisteminin kurulum aşamasından bir süre sonra o ortamdaki aydınlık düzeyi dağılımını ölçmek zahmetli ve zaman alıcı bir iştir. Fiziksel yıpranmalardan yola çıkarak o ortamdaki aydınlık düzeyi dağılımını matematiksel olarak hesap etmek ise mümkün değildir. Bu tezde amaç; farklı teknik ve fiziksel özelliklerdeki ortamların bakım katsayılarını belirlemek ve aydınlık düzeylerini yapay sinir ağları ile tahmin etmektir. Bunun için öncelikle yapay sinir ağları ve aydınlatma kavramları ile ilgili yapılmış akademik yayınlar, bu konular hakkında yazılmış kitaplar, makaleler ve çalışmalar çeşitli açılardan incelenmiştir. Bu bilgiler doğrultusunda seçilen iç mekânlar kullanılarak yapay sinir ağlarıyla tahminler yapılmıştır. Tezin uygulama kısmı ise üç aşamada gerçekleştirilmiştir. İlk aşamada renkleri, boyutları birbirinden farklı ortamlar içerisinde, çeşitli aydınlık seviyelerinde, yarı direkt, karma ve yarı endirekt aydınlatma türleri kullanılarak aydınlık düzeyi ölçümleri yapılmıştır. İkinci aşamada, ölçülen bu aydınlık düzeyi değerleriyle oluşturulan YSA eğitilmiştir. Üçüncü aşamada ise eğitilen YSA test edilmiştir. Daha sonra çok değişkenli regresyon analizi (MLRA) kullanılarak oluşturulan tahmin modelinin doğruluğu ispat edilmiştir. Elde edilen bulgulara göre, oluşturulan yapay sinir ağı ile tahmin edilen verilerin gerçeğe yakın ve uygulanabilir sonuçlar sağladığı gözlemlenmiştir.
Özet (Çeviri)
Illumination level of working plane is directly affected by some features such as color of indoor walls, room's dimensions, height of working plane and type of illumination. Besides, illumination elements lose their efficiency and get dirty by time. It also affects illumination levels negatively. These negative factors cause ergonomic and energy consumption problems in a long period. Therefore, providing enough and stable illumination level on working planeis precondition. Measurement of illumination levels after installation is hard and takes time. Mathematical calculation of illumination levels with physical wearing is almost impossible. Aim of this thesis; determining maintenance factor and estimating illumination level in places where have different physical and technical propertiesby using artificial neural networks. As a first step, books and articles about artificial neural networks and illumination concept have been examined. According to this information, estimations have been made within chosen indoor places. Application part of the thesis has three stages. In the first stage, semi direct, mixed and semi indirect illumination techniques have been used in different environments which have different colors, dimensions and illumination levels. In the second stage, measurement results of these experiments have been used totrainartificial neural network. In the third stage, this artificial neural network has been tested. After that accuracy of the model has been compared by using multipleregressions analysis. According to findings, it has been observed that derived data from formed artificial neural network is close to real data and it is applicable.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Corrosion control methods in ships and advances in marine coatings
Gemilerde korozyonu önleme yöntemleri ve deniz yapılarında kullanılan kaplamalardaki yeni yöntemlerin incelenmesi
İSMAİL GÜLER
Yüksek Lisans
İngilizce
2019
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ
DOÇ. DR. YASİN ARSLANOĞLU
- A comparison study of vernacular settlemnets in ıran; Case of Masouleh and Abyaneh Villages
İran'da yerel yerleşim karşılaştırma araştırması; Masouleh ve Abyaneh Koyu
ELAHEH AMINI
Yüksek Lisans
İngilizce
2019
Peyzaj Mimarlığıİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. MELTEM ERDEM KAYA
- Investigation of separation and recovery of cobalt from end-of-life lithium-ion battery by hydrometallurgical approach
Ömrü sonlanmış lityum-iyon pilden kobaltın ayırılması ve geri kazanılmasının hidrometalürjik yaklaşımla incelenmesi
SEVDE RANA GÜNAL
Yüksek Lisans
İngilizce
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
PROF. DR. SERVET İBRAHİM TİMUR
- Koaksiyel manyetik dişlinin moment analizinin sonlu elemanlar yöntemi ile gerçekleştirilmesi
The torque analysis of coaxial magnetic gear with the finite element method
EMRE AKYERDEN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET CANSIZ